“自底向上”合并社群结构探测策略中的顺序效应

基于模块性"自底向上"合并社群结构探测策略是目前复杂网络研究的热点问题之一,但是在依据模块性值变化对相应社群对进行合并时,往往出现顺序效应,即同一模块性值变化对应的社群合并可能不惟一,从而导致合并顺序不同而影响社群结构的最终探测结果。首先总结"自底向上"合并社群结构探测策略的一般算法框架,然后基于标准Ucinet和Pajek网络的社群结构探测结果,揭示Newman等提出的社群结构探测算法存在顺序效应,接着依据网络社群结构和社群密度的定义,提出用于克服顺序效应的基于社群密度的改进社群结构探测策略;最后,通过标准Ucinet和Pajek网络的社群结构探测结果,验证算法的有效性。     

基于模块性指标的动态网络社群结构探测方法

针对节点增加的动态网络,提出一种对应的动态网络社群结构探测算法CD(Community Structure Detection Algorithm for Dynamic Networks).CDD算法依据节点加入引起模块性指标变化的情况,对网络节点进行社群划分, 从而可以发现网络社群结构随时间的动态变化过程.利用计算机生成数据、Ucinet和Pajek提供的有关网络数据,通过社群结构探测试验表明, CDD算法不但可以对动态网络的社群结构变化进行探测,同样也可以实现静态网络的社群结构探测; 与N-G算法和A-N算法等社群结构探测算法相比, 算法的速度快, 所获得的模块性指标也基本相当.     

基于社区结构的 Dijkstra改进算法

针对复杂网络中社区结构局部优势,将每个社区塌陷为一个节点,利用局部优势向全局优势扩展的方法,将Dijkstra算法进行了改进,提出了一种基于社区结构的复杂网络最短路算法,分析了该算法的时间复杂度,并将该算法应用于战时军事物资前送体系网络.     

基于共享最近邻探测社团结构的算法

针对经典重叠社团结构发现的派系过滤算法中派系定义过于严格、算法缺乏实用性、时间复杂度高等问题,提出了一种基于共享最近邻的社团结构发现算法. 该算法不仅可以对网络进行社团结构的划分, 而且可以很好地把网络中的桥点找出,算法的时间复杂 度约为O(nhk), 其中n为网络中的节点数,h为核心社团的数目, k为网络中节点的 最大节点度.为了验证该算法的正确率和性能, 把该算法应用到计算机生成网络和真实网络中, 并与著名的社团探测算法——GN算法和NF快速算法进行了比较.实验的结果表明所提出的算法是有效可行的.     

用于社群结构探测的小世界特征遗传算法

针对网络社群结构探测问题,探讨一种小世界特征遗传算法.受小世界现象搜索机理和网络结构特征启发,构造一种社群结构局部搜索算子;进而将该算子引入遗传算法基本框架,提出一种小世界特征遗传算法.典型网络的社群结构探测的结果表明,与Girvan-Newman算法和模拟退火算法相比,小世界特征遗传算法探测到的社群结构具有更大的模块性值,从而证明该算法是可用且有效的.     

基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

基于标签传播识别网络中的关键节点

基于标签传播动力学提出了一种识别网络关键节点的算法,主要思想是把每个节点接收到不同标签的数量作为判断节点重要性的指标。应用两种不同的传播模型,在不同网络上与其它中心性指标作比较。结果表明:基于标签传播的中心性指标比其它的中心性方法可以更好地识别网络中的关键节点。基于标签传播的中心性指标还具有以下优势:不需要利用网络的结构信息,因此可以推广到大规模网络上;揭示了一种现象——好的接收者往往也是好的传播者。     

改进的加权复杂网络节点重要度评估的收缩方法

分析了加权复杂网络的结构特点,综合考虑了边权对节点重要度评估的影响,给出了加权节点重要度的新定义,并提出了改进的适用于加权网络的节点收缩方法.该方法认为最重要的节点就是收缩后加权网络凝聚度最大的节点,其算法的时间复杂度为O(n³).该方法有助于更准确地发现复杂网络中的关键节点.最后的实验分析验证了方法的有效性和可行性.     

电信社群网络静态几何性质分析研究

通过抽取电信通话数据作为研究对象，分别计算了电信社群网络中节点度、子图连通性、膨胀率、聚集度、平均最短路径的分布情况，得出电信社群网络是一个无标度网络。子图连通性、膨胀率的分布符合幂律分布，聚集度符合尾部有突起的幂律分布，平均最短路径服从Poisson分布的重要特征。     

复杂网络中节点重要度评估的节点收缩方法

首先定义了网络的凝聚度,在此基础上提出了一种评估复杂网络节点重要度的节点收缩方法,认为最重要的节点就是将该节点收缩后网络的凝聚度最大,其算法的时间复杂性为O(n3).该方法综合考虑了节点的连接度以及经过该节点最短路径的数目,克服了节点删除法的弊端.最后的实验分析表明该方法直观、有效且运算速度快,对于大型复杂网络可以获得理想的计算能力.     

结合局部结构学习的Bayesian优化算法

在Bayesian优化算法中Bayesian网络的学习是算法应用的关键,而Bayesian网络学习是一个NP-hard问题,并且计算量大。为了能够快速获得较稳定的Bayesian网络,提出了一种新的学习策略,在学习Bayes-ian网络结构时采用对局部结构的贪婪算法,并结合局部搜索利用打分测度选取最优边。对所提算法进行了分析,在算法复杂度较小的情况下,所学习的Bayesian网络可靠性明显提高,算法收敛速度加快,并且避免陷入局部最优。仿真研究表明文章所提出算法寻优能力优于传统Bayesian优化算法。     

基于深度学习的轻量化目标检测算法

深度卷积神经网络在各个领域都表现出很好的效果, 与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题, 提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNet V2进行融合, 提升网络特征提取能力, 并利用融合后的网络对原始YOLOv5的骨干网络进行重构, 显著降低了网络的计算量和内存占用, 同时, 引入可变形卷积以提升网络的检测性能。道路监控图像和VOC、COCO数据集测试结果表明, 所提出的模型在保持检测精度的前提下, 将参数量和模型尺寸降低了90%, 计算量仅为原始模型的18%, 实现了检测模型的轻量化, 更有助于在计算资源有限和对实时性要求高的场景中部署。     

时间反演系统中基于Barzilai-Borwein的共轭梯度检测算法

针对时间反演多址系统中信道的相关性会导致多用户干扰的问题,以降低用户间干扰和算法复杂度为目标,提出基于Barzilai-Borwein的共轭梯度迭代检测算法.首先通过共轭梯度迭代两次找到最速下降方向,然后通过Barzilai-Borwein沿着共轭梯度搜索的方向继续迭代.仿真表明,所提算法收敛速度快于Barzilai-...     

基于谱方法的复杂网络中社团结构的模块度

现实中的大量复杂网络表现出明显的社团结构, 模块度是衡量网络社团结构划分的重要指标函数, 但最常用的NG模块度存在分辨率限制问题, 不能识别出小于一定规模的社团. 文章在谱映射的基础上, 提出了复杂网络社团结构的两种模块度. 改进的表现模块度不仅能够应用于有权网络, 而且部分解决了NG模块度的局限性问题; 内聚模块度以社团内部的内聚度为衡量依据, 从根本上避免了NG模块度和表现模块度可能出现的不恰当划分情况. 最后通过计算机生成的测试网络和两个经典网络, 与NG模块度对比验证了表现模块度和内聚模块度的可行性和有效性.     

基于结构熵和IGSO-BP算法的动态威胁评估

针对传统超视距空战威胁评估不能根据各类威胁因素的变化动态调整其对应权值的问题,引入前向反馈(back propagation, BP)神经网络,采用综合考虑主客观因素的结构熵权法确定各威胁指数权值并作为神经网络训练参数进行训练,提出了改进萤火虫算法(improved glowworm swarm optimization, IGSO)和BP神经网络相结合的空战动态权值计算方法。该算法采用改进萤火虫算法优化BP网络的权值和阈值,优化后的BP网络能更好地计算不同态势下的威胁指数权值,从而根据威胁估计模型进行威胁评估。以某一时刻预测多无人机空中对抗时的威胁度为想定,分别采用结构熵权法和IGSO BP进行仿真计算。结果表明：结构熵权法能够科学合理地计算各威胁指数权值,IGSO BP算法可有效解决空战目标威胁评估问题,且所提算法与现有几种算法相比在可靠性和准确性上都有明显提高。     

基于序列复杂度的空中红外目标跟踪算法评估

近年来,基于深度学习的红外空中目标跟踪算法不断涌现,如何对其性能进行评估已经成为一个亟待解决的问题。利用单帧图像混淆度和遮隐度对图像复杂度进行计算,并结合目标运动复杂度,建立了融合图像复杂度和运动复杂度的序列复杂度计算模型。构建了包含420个序列的红外序列样本库,利用序列复杂度对样本库测试结果进行加权评分,提出了一种新的红外空中目标跟踪算法性能评估方法。实验结果表明,所提出的评估方法能全面评估算法在不同态势下的性能。     

一种改进的混合预测冗余CORDIC算法

CORDIC作为一种计算三角函数的向量旋转的迭代算法,其硬件结构简单,易于并行化处理和VLSI实现,因而在实时信号处理方面有广泛的应用前景。本文提出了一种改进的混合预测CORDIC算法。该算法利用混合预测方法的设计思想,讨论了在具体数据格式下,混合角度集中间值的确定,并给出了算法的实现结构。由分析结果证明此算法具有高运算速度与低资源的优势,在结构上较传统冗余CORDIC算法节省近60%的冗余符号判别运算。     

改进的基于四阶累积量的MUSIC算法

超宽带测向系统中,天线体积受限严重影响到系统的测向精度和解模糊能力,且天线阵列的孔径限制着阵列最多能分辨的目标信号个数,而一些优秀的算法如空间平滑算法和旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法损失了天线阵列孔径。针对这些问题,在传统的四阶累积量多重信号分类(multiple signal classification, MUSIC)算法基础上提出了一种改进的算法。该算法根据四阶累积量矩阵构成的规律,去除了原四阶累积量矩阵的数据冗余,有效地减小了运算时间,为其实际应用提供了必要条件。计算机仿真和实测数据仿真的结果表明,本改进算法可以快速地实现虚拟阵列扩展,同时对有色高斯噪声也有一定的抑制作用。     

改进的基于子空间跟踪的盲多用户检测算法

针对OPAST算法中由于迭代运算产生的累积误差易造成算法发散的问题,提出一种改进的子空间盲多用户检测算法。该方法在每次迭代过程中引入对偶Gram-Schmidt正交化来降低累积误差,从而保证算法具有更好的稳定性。仿真结果表明,所提算法在保持较低计算复杂度的前提下,具有收敛速度快、跟踪和稳态效果好的特点。